IBM이 말하는 AI가 바꾸는 산업

가 +
가 -

| 장화진 한국IBM 사장이 국내에서 최초로 열린 ‘IBM 데이터 앤드 AI 포럼(Data and AI Forum by IBM)’에서 환영사를 하고 있다.

| 장화진 한국IBM 사장이 국내에서 최초로 열린 ‘IBM 데이터 앤드 AI 포럼(Data and AI Forum by IBM)’에서 환영사를 하고 있다.

바야흐로 데이터의 시대다. 스마트폰이 보편화 되면서, 컴퓨팅 능력이 향상되면서 기업이 사용하고 활용할 데이터가 무궁무진해졌다. 스마트폰 같은 사용자 기기부터, 공장 생산 라인, 각종 사물인터넷(IoT) 기기, 마케팅 기획 분야까지 데이터가 거치지 않는 곳이 없다.

그리고 이 데이터는 머신러닝과 같은 다양한 인공지능(AI) 학습 방법과 만나 날개를 달았다. 가트너 조사 결과에 따르면 2021년 AI로 인해 기업이 발생시키는 새로운 산업 규모는 2조1천억원에 이른다고 한다. 데이터와 AI 활용 역량은 기업에게 필수가 됐다. 그러나 여전히 많은 기업이 자사 서비스에 데이터와 AI를 어떻게 접목시켜야 효과가 높을지 고민한다.

앨리스 다겔리언 IBM 데이터 및 인공지능 사업부 글로벌 영업 부사장은 9월5일부터 6일까지 이틀에 걸쳐 열리는 ‘IBM 데이터 앤드 AI 포럼(Data and AI Forum by IBM)’에서 기업이 현재 데이터와 AI를 통해 사업 혁신을 어떻게 이루고 있는지 설명했다.

국내에서는 김혜영 롯데쇼핑 e커머스본부 AI COE 센터장, 서완우 KB 손해보험 디지털IT 본부장, 박찬진 SK하이닉스 데이터 사이언스가 나서서 AI 도입 및 확산 과정과 도전 과제 등을 밝혔다.

AI로 사람에 가까운 디지털 인간 ‘빈센트’ 개발

이날 IBM은 AI 활용 사례로 디지털 인간 ‘빈센트’를 소개했다. 빈센트는 크리에이티브 테크 기업 자이언트에서 개발한 디지털 인간이다. 머신러닝을 통한 사람의 표정을 학습하고 이를 언리얼 엔진을 이용해 피부, 몸 전체를 사람에 가깝게 디자인했다.

빈센트는 표정을 통한 감정 표현에도 능숙하다. 사진에 표정만 입히는 것이 아니라 상대방 표정을 인식해 감정적인 상호 작용을 한다. 우리가 웃는 사람을 보면 기분이 좋아지는 것처럼, 미소에 미소를 화답하는 식이다. IBM이 빈센트를 단순한 인공지능 로봇이 아니라 디지털 인간이라고 지칭하는 이유기도 하다.

| 디지털 휴먼 빈센트

| 디지털 휴먼 빈센트

여기에 가상 신경 시스템을 통해 사람에 가깝게 상황을 인식하고 분석한다. IBM 왓슨 음성 대화 서비스도 접목해 화면 너머 상대방으로 하여금 실제 사람과 대화하는 듯한 느낌을 전달한다.

장화진 한국IBM 대표이사는 “빈센트는 실제 비즈니스에 사용되고 발생하는 데이터를 통해 학습하고, 이를 바탕으로 사고한다”라며 “이를 바탕으로 고객 대면 서비스 및 다양한 대화형 업무를 수행할 수 있을 것으로 기대한다”라고 말했다.

AI 도입 핵심 열쇠는 ‘데이터’

“브라질의 한 디지털 은행은 가상 비서와 고객과 의사 소통을 하더군요. 충분히 디지털화 됐다고 여길 수 있습니다. 그러나 이 은행도 데이터는 엑셀과 스프레드 시트로 하더군요. 이 은행은 AI를 받아들였을지는 몰라도, AI 활용을 위한 대부분의 분석을 수동으로 하고 있었습니다. 데이터 기반으로 AI 아키텍처를 세워야 합니다.”

앨리스 다겔리언 부사장은 데이터 투자를 먼저 하고 이를 바탕으로 AI 서비스를 개발하야 시너지를 얻을 수 있다고 강조했다. 실제로 IBM 왓슨을 활용해 성공적으로 AI 서비스를 개발한 곳을 보면 데이터 채집과 정제, 색인화 하는 작업을 꼼꼼하게 진행했다.

| 앨리스 다겔리언 IBM 데이터 및 인공지능 사업부 글로벌 영업 부사장

| 앨리스 다겔리언 IBM 데이터 및 인공지능 사업부 글로벌 영업 부사장

헬스케어 분야에서는 가이징거는 패혈증 개선과 예방을 위해 IBM 왓슨 플랫폼을 활용했다. 패혈증은 미국 병원의 주요 사망 원인으로 빠지지 않고 등장하는 질환이다. 가이징거는 병원 임상 데이터를 분석해 향후 발생할 수 있는 위험을 예측할 수 있는 패혈증 치료 개선안을 발표했다.

호주 최대 규모 민영 오일·가스 기업인 우드사이드는 업무 연속성과 직원 역량 강화를 위해 AI를 활용했다. 우드사이드 엔지니어어가 쌓은 경험을 데이터화 해서 활용할 방법을 고민했다. 개개인 머릿속에 저장된 경험과 지식은 퇴사와 함께 사라지기 마련이다. 이를 위해서 우드사이드는 끊임없이 직원을 교육하고, 경험을 프로세스화 할 수 있는 방법을 고민했다.

우드사이드는 왓슨 지식 구축 프로젝트를 통해 왓슨이 최대한 많은 지식을 습득할 수 있게 전체 임직원은 물로 은퇴한 직원까지 참여시켰다. 현업에서 필요한 지식이 무엇인지 맥락적 배경 지식을 파악하기 위해서다. 왓슨은 자연어처리로 학습 내용을 습득해 직원이 필요로 하는 정보를 빠르고 정확하게 제시했고, 우드사이드는 업무 생산성을 향상시킬 수 있었다.

글로벌 데이터 서비스 기업 익스피리언은 대규모로 발생하는 데이터를 효과적으로 수집하고 분류하고 비교하기 위해 더 나은 솔루션을 찾다가 AI를 도입했다. 수십억개에 이르는 데이터를 분석하고 파악하기 위해 AI를 도입해 프로세스를 자동했다. 법률회사 리걸메이션은 법률팀이 소송에 필요한 서류 작업을 단축하기 위해 AI를 도입했다. 리걸메이션은 소송 작업을 자동화하는 AI 플랫폼을 개발해, 비용을 80% 절감했다.

KB손해보험은 왓슨 어시스턴트를 통해 콜센터 상담 업무의 40%를 AI가 처리하고 있다. 도입 전만 해도 규칙 기반의 시나리오 응답이 80%, 상담을 통한 응답을 20%, AI 역할이 10% 수준으로 여기고 프로젝트를 시작했다. 그러나 막상 1년여 운영해보니 결과는 AI 역할이 40%에 이르렀다. 이런 챗봇 운영 경험을 바탕으로 이젠 보이스봇 운영도 준비중이다.

예를 들어 고객이 추석에만 한정적으로 같이 운전하는 동승자도 보험에 추가하고 싶다고 가정하자. 이를 보험 용어로는 ‘단기 운전 확대 특약’이라고 한다. 그런데, 단기 운전 확대 특약이라는 제품을 알아서 이 용어 그대로 상품을 신청하는 고객은 거의 없다. 대부분 “추석 때 일시적으로 사촌이 제 차를 운전하는데, 이 때 보험은 어떻게 해야 하나요”라고 콜센터에 문의하는 식이다. 과거엔 이 내용을 상담사가 듣고, 내용을 파악해서 답을 하는 식이었다.

서완우 KB 손해보험 디지털IT 본부장은 “IBM 왓슨이 학습을 바탕으로 고객 의도를 파악하고, 무엇을 원하는지 키워드를 파악해서 사용자 문의에 40%를 처리한다”라며 “이런 챗봇 플랫폼에서 얻은 경험을 바탕으로 음성을 필요로 하는 영역, 고장 출동 업무나, 신계약 판매할 때 설명을 들었는지 여부를 확인하는 영역 등 보이스봇으로 확대해 활용할 계획이다”라고 말했다.

AI 혁신, 단박에 될 것이라는 설레발은 접어두자

국내에서도 다양한 기업이 IBM 왓슨을 도입해 비즈니스 AI 역량 강화에 나섰다. KISA는 데이터 중심 시큐리티 솔루션을 통해 사이버 위협을 감지하고, 롯데그룹은 롯데백화점과 롯데제과에서 적극적으로 AI를 도입해 제품 혁신에 나섰다.

롯데쇼핑은 쇼핑 어드바이저 ‘샬롯’을 통해 고객 맞춤형 쇼핑 경험을 제공한다. 백화점에 가서 옷을 살 때 샵 매니저와 고객 간 주고 받는 대화를 모델로 삼아 그 과정을 디지털로 옮겼다. 샬롯은 고객이 상점에서 어떤 옷을 사러 왔는지 묻고, 어떤 옷이 필요한지 상황을 설명하고, 이를 점원에게 물어 답을 구하는 상황을 챗봇으로 구현했다.

살롯 누적 사용자는 200만명을 넘어섰고, 월 기준 대화 건수는 30만건에 이른다. 겉으로 보기엔 적은 숫자지만, 기존 비즈니스 역량을 AI로 옮겨 실제로 활용하고 있다는 점에서 주목할 만하다.

김혜영 롯데쇼핑 e커머스본부 AI COE 센터장은 “샵 매니저가 숙지한 제품 정보를 시스템으로 만들어서 직접 사용자에게 전달하는 앞단 대화를 챗봇으로 구현하고, 상품 정보는 데이터베이스화 해서 정리하고, 고객 상황에 맞는 제품 추천은 AI 추천 엔진을 개발해 서비스를 기획했다”라며 “밖에서 보기엔 챗봇이라는 빙산의 일각만 보일 수 있지만, 이 프로젝트를 수행하기 위해 굉장히 많은 시간과 노력을 들여 상품을 모으고 정리하고 데이터베이스화하고, 추천엔진을 설계하는데 많은 시간을 쏟았다”라고 설명했다.

김혜영 센터장 설명에 따르면, 3년 전만 해도 AI를 비즈니스에 접목하고 경험을 체득한 기업이 많지 않았다. 이론상으로 AI는 비즈니스 혁신을 단숨에 가져올 것 같았지만, 실제 서비스에 접목해 성과를 만들기까지는 시간이 걸렸다. 시스템에 어떻게 녹여야 하는지, 접목해서 어떤 성과를 기대할 수 있는지도 막상 서비스를 선보이기 전까지는 미지수에 불과했다. 그리고 이 과정에서 가장 중요한 건 양질의 데이터를 제대로 수집하고 쌓아가는 과정이 중요하다고 거듭 강조했다.

“그룹 내 여러 계열사와 AI 과제 내용을 공유하면서, 협업과 IT 영역을 구분하지 않고 데이터 중요성에 대해 피력했습니다. 제품 속성이나 정보를 시스템에 잘 녹일 수 있어야 하는지 절실히 체감했지요.”

이런 노하우는 롯데제과에서 새로운 상품을 기획하기 위해 빅데이터를 활용할 때 장점으로 작용했다. 일반적으로 제과라는 제조업 분야에서 빅데이터를 접목한다고 하면, 공장 자동화나 생산 자동화, 제품 관리에 사용할 것이라고 생각하기 쉽다. 김혜영 센터장은 현업 조사를 통해 과제를 기획할 때 빅데이터를 활용했다. 특히 소셜 데이터를 통해 소비자가 어떤 과자를 찾는지, 원하는지, 얘기하고 있는지 파악하고 이를 제품 개발에 활용했다. 깔라만시 요거터, 버팔로윙만 꼬깔콘 등이 대표적이다.

“많은 기업이 소셜 분석을 바탕으로 업무에 활용할 때, 소셜 트렌드를 어떻게 결합할지 어려움을 겪습니다. 단순히 트렌드만 파악하는게 아니라 정교한 레벨로 데이터를 분석해야 실제로 활용할 수 있습니다. 우리는 예를 들어 뺴뺴로란 제품 인지도를 데이터 분석한 것을 넘어 빼빼로 제품의 속성을 분해해 분석을 했습니다. 포장은 어떤지, 맛은 어떤지, 식감을 이루는 재료는 괜찮은지 등을 분해해 이를 바탕으로 소셜 데이터와 결합해 사용자가 선호할 만한 제품을 기획했습니다.”

네티즌의견(총 0개)